Dans un contexte de classification supervisée où l'on dispose d'une population d'apprentissage expertisée, on recherche, parmi un ensemble de représentations temps-échelle discrètes, la représentation la plus adaptée aux signaux à classer, en optimisant la séquence génératrice à l'origine de la décomposition (et donc la forme de l'ondelette mère). Pour cela, on définit un critère de contraste portant sur la population d'apprentissage, et on montre que sa maximisation conduit à la minimisation du taux de mal classés sur une population test disjointe.